Hermes Agent چیست؟ خودمیزبانی و خودکارسازی وظایف در سال ۲۰۲۶

ورود OpenClaw در اواخر سال ۲۰۲۵ باعث شد عامل‌های هوش مصنوعی خودمیزبان (Self-Hosted AI Agents) بیش از قبل وارد جریان‌های کاری روزمره شوند. این پروژه طی چند ماه به ۱۰۰ هزار ستاره در GitHub رسید و نشان داد علاقه به عامل‌هایی که بتوانند به ترمینال، پیام‌رسان‌ها و ابزارهای مختلف متصل شوند، به سرعت در حال افزایش است. هم‌زمان، تمرکز بازار نیز از آزمایش‌های اولیه به سمت استفاده عملیاتی‌تر از این ابزارها حرکت کرد و پروژه‌هایی مانند Hermes Agent در همین مسیر شکل گرفتند.

Hermes Agent یکی از پروژه‌هایی است که با تمرکز متفاوتی وارد این فضا شده است. این عامل که در فوریه ۲۰۲۶ توسط Nous Research منتشر شد، به جای اینکه فقط نقش واسطی میان مدل هوش مصنوعی و ابزارهای مختلف داشته باشد، روی یادگیری از وظایف قبلی تمرکز می‌کند. Hermes می‌تواند یک جریان کاری موفق را به عنوان مهارت قابل استفاده مجدد (Reusable Skill) ذخیره کند و در دفعات بعد، بدون نیاز به توضیح دوباره تمام مراحل، همان فرایند را اجرا یا اصلاح کند. به همین دلیل، برای کارهایی مثل تحقیق، کدنویسی، اجرای وظایف زمان‌بندی‌شده و خودکارسازی فرایندهای تکراری گزینه قابل توجهی است.

Hermes Agent متن‌باز (Open Source) است و می‌توانید آن را روی زیرساخت خودتان اجرا کنید. برای استفاده مداوم از قابلیت‌هایی مثل وظایف زمان‌بندی‌شده، اتصال به ابزارهای خارجی و اجرای فرایندهای طولانی، معمولا به یک سرور همیشه روشن نیاز دارید. اجرای Hermes Agent روی سرور ابری یا VPS لیارا این امکان را می‌دهد که عامل مستقل از سیستم شخصی شما در دسترس بماند و بتواند وظایف خود را در طول شبانه‌روز ادامه دهد. در ادامه، معماری Hermes Agent، قابلیت‌های اصلی، کاربردها و روش‌های اجرای آن را بررسی می‌کنیم تا مشخص شود این ابزار برای چه نوع پروژه‌هایی انتخاب مناسبی است.

آنچه در ادامه می‌خوانیم:

• Hermes Agent چیست؟
• Hermes Agent چگونه کار می کند؟
• کاربردهای Hermes Agent
• چگونه Hermes Agent را روی لیارا اجرا کنیم؟
• بهترین روش های استفاده از Hermes Agent
• محدودیت های Hermes Agent
• سوالات متداول

Hermes Agent چیست؟

Hermes Agent یک عامل هوش مصنوعی متن‌باز (Open Source) است که توسط Nous Research توسعه داده شده است. Nous Research یک سازمان پژوهشی در حوزه هوش مصنوعی است که به توسعه مدل‌های زبانی با وزن‌های باز (Open-Weight Language Models) و سیستم‌های هوش مصنوعی عامل‌محور (Agentic AI) شناخته می‌شود.

چیزی که Hermes Agent را از چت‌بات‌های سنتی مانند ChatGPT یا Claude متمایز می‌کند، معماری آن است. این ابزار به گونه‌ای طراحی شده است که اگر روی یک سرور همیشه روشن اجرا شود، حتی پس از خاموش کردن کامپیوتر شخصی نیز بتواند وظایف خود را ادامه دهد.

تفاوت Hermes Agent با یک چت بات معمولی چیست؟

تفاوت اصلی Hermes در نحوه استفاده از حافظه و مهارت‌هاست. Hermes می‌تواند اطلاعات مرتبط با پروژه را در حافظه پایدار (Persistent Memory) نگه دارد و مراحل یک کار تکرارشونده را به مهارت قابل استفاده مجدد (Reusable Skill) تبدیل کند. این مهارت‌ها فقط زمانی بارگذاری می‌شوند که وظیفه به آن‌ها نیاز داشته باشد.

برای مثال، اگر چند بار از Hermes بخواهید براساس کامیت‌های Git یادداشت انتشار (Release Notes) تهیه کند، می‌توان مراحل این کار را در قالب یک مهارت ذخیره کرد. در درخواست‌های بعدی، عامل به جای شروع دوباره از صفر، همان فرایند را برای نسخه جدید اجرا می‌کند. مستندات Hermes این ساختار را بخشی از چرخه یادگیری و بهبود مهارت‌های عامل معرفی می‌کنند.

Hermes Agent را با API سازگار با OpenAI به مدل‌های هوش مصنوعی لیارا متصل کنید.
شروع کار با سرویس هوش مصنوعی لیارا

ویژگی های Hermes Agent

قابلیت‌های Hermes فقط به حافظه محدود نمی‌شوند. براساس مستندات رسمی، مهم‌ترین بخش‌های آن عبارت‌اند از:

• حافظه پایدار: اطلاعات مرتبط با پروژه، محیط و ترجیحات را میان نشست‌های مختلف نگه می‌دارد.
• مهارت‌های قابل استفاده مجدد: فرایندهای چندمرحله‌ای را می‌توان به Skill تبدیل کرد و در وظایف مشابه دوباره به کار گرفت.
• نقاط بازیابی (Checkpoints): امکان بازگشت به وضعیت قبلی هنگام تغییر فایل‌ها و پروژه را فراهم می‌کنند.
• اجرای ابزارها: Hermes می‌تواند با ترمینال، فایل‌ها، مرورگر، جست‌وجوی وب و وظایف زمان‌بندی‌شده کار کند.
• اتصال از طریق MCP: از طریق Model Context Protocol می‌تواند به ابزارهایی مانند GitHub، دیتابیس‌ها، فایل‌سیستم‌ها، مرورگرها و APIهای داخلی متصل شود.

Hermes Agent رایگان است؟

خود Hermes Agent رایگان و متن‌باز است و تحت مجوز MIT منتشر می‌شود؛ بنابراین برای نصب یا استفاده از نرم‌افزار هزینه مجوز پرداخت نمی‌کنید. هزینه اجرا به زیرساخت و مدل هوش مصنوعی مورد استفاده بستگی دارد.

برای اجرای مداوم Hermes می‌توانید آن را روی سرور ابری مستقر کنید و برای دسترسی به مدل‌های زبانی، از یک API سازگار با OpenAI استفاده کنید. سرویس هوش مصنوعی لیارا چنین APIای را در اختیار توسعه‌دهندگان قرار می‌دهد و پس از دریافت API Key می‌توان درخواست‌ها را از طریق Endpoint سرویس ارسال کرد.

Hermes Agent در مقایسه با OpenClaw

Hermes Agent و OpenClaw هر دو عامل هوش مصنوعی متن‌باز (Open Source) و خودمیزبان (Self-Hosted) هستند، اما رویکرد متفاوتی دارند. OpenClaw بیشتر برای اتصال عامل به پیام‌رسان‌ها، ابزارها و محیط اجرا ساخته شده است تا بتواند وظایف تعریف‌شده را انجام دهد. در مقابل، Hermes Agent علاوه بر اجرای وظایف، روی یادگیری از جریان‌های کاری قبلی تمرکز دارد و می‌تواند فرایندهای تکراری را به مهارت‌های قابل استفاده مجدد (Reusable Skills) تبدیل کند. بنابراین، تفاوت اصلی Hermes Agent و OpenClaw را باید در نحوه مدیریت و تکرار جریان‌های کاری جست‌وجو کرد.

مقایسه Hermes Agent و OpenClaw

معیار مقایسه	Hermes Agent	OpenClaw
توسعه‌دهنده	توسط Nous Research، مجموعه فعال در حوزه مدل‌های دارای وزن باز (Open-Weight Models) و سیستم‌های عامل‌محور توسعه داده شده است.	توسط Peter Steinberger ساخته شد و پس از پیوستن او به OpenAI، توسعه پروژه در قالب متن‌باز ادامه پیدا کرد.
سابقه پروژه	نسخه‌های عمومی Hermes Agent از سال ۲۰۲۶ منتشر شده‌اند و توسعه آن با تمرکز بر خودکارسازی، کدنویسی و عامل‌های دارای حافظه ادامه دارد.	پروژه در نوامبر ۲۰۲۵ با نام Clawdbot شروع شد، مدتی با نام Moltbot فعالیت کرد و از ژانویه ۲۰۲۶ با نام OpenClaw ادامه پیدا کرد.
نحوه یادگیری و بهبود	از چرخه خودبهبوددهنده (Self-Improving Loop) استفاده می‌کند و می‌تواند جریان‌های کاری تکراری را به مهارت‌های قابل استفاده مجدد تبدیل کند.	بیشتر بر مهارت‌ها و دستورهایی متکی است که از قبل برای عامل تعریف شده‌اند و از طریق درگاه مرکزی اجرا می‌شوند.
ساختار پروژه	توسط Nous Research توسعه داده می‌شود و تحت مجوز MIT در دسترس است.	یک پروژه مستقل متن‌باز با مجوز MIT است.
کاربرد اصلی	برای تحقیق طولانی‌مدت، کدنویسی، وظایف زمان‌بندی‌شده و اجرای موازی کارها با زیرعامل‌ها مناسب است.	بیشتر برای دستیار شخصی، اجرای وظایف از طریق پیام‌رسان، خودکارسازی مرورگر، کار با فایل‌ها و تعامل با محیط کامپیوتر استفاده می‌شود.

در عمل، انتخاب بین Hermes Agent و OpenClaw به نوع جریان کاری بستگی دارد. اگر هدف شما ساخت عاملی است که از فرایندهای قبلی یاد بگیرد و کارهای تکراری را به مهارت تبدیل کند، Hermes Agent تمرکز بیشتری روی این بخش دارد. OpenClaw در مقابل، برای سناریوهایی مناسب‌تر است که عامل باید به ابزارها، پیام‌رسان‌ها و محیط کامپیوتر دسترسی گسترده داشته باشد.

اگر قبلا از OpenClaw استفاده کرده‌اید، Hermes Agent امکان مهاجرت از OpenClaw را فراهم می‌کند. برای شروع این فرایند می‌توانید از دستور زیر استفاده کنید:

hermes claw migrate

در مقاله OpenClaw چیست می‌توانید ساختار، قابلیت‌ها و کاربردهای این عامل هوش مصنوعی را دقیق‌تر بررسی کنید.
OpenClaw چیست؟

Hermes Agent چگونه کار می کند؟

Hermes Agent کار را با تحلیل درخواست و ساخت کانتکست (Context) شروع می‌کند. سپس مشخص می‌کند برای انجام وظیفه به چه اطلاعات، ابزارها یا مراحل اجرایی نیاز دارد. اگر درخواست چندمرحله‌ای باشد، آن را به چند بخش تقسیم می‌کند و هر مرحله را براساس نتیجه مرحله قبلی پیش می‌برد.

تفاوت مهم Hermes با یک چت‌بات معمولی این است که پایان یک گفت‌وگو لزوما به معنای پایان کار عامل نیست. اگر Hermes روی یک سرور همیشه روشن اجرا شود، می‌تواند وظایف زمان‌بندی‌شده و فرایندهای طولانی را مستقل از کامپیوتر شخصی ادامه دهد.

حافظه Hermes Agent چگونه کار می کند؟

Hermes از حافظه پایدار (Persistent Memory) برای نگهداری اطلاعاتی استفاده می‌کند که در وظایف بعدی به آن‌ها نیاز دارد. این اطلاعات می‌توانند شامل ساختار پروژه، ابزارهای مورد استفاده، تنظیمات یا بعضی ترجیحات کاری باشند.

برای مثال، اگر در یک پروژه Python از نسخه‌های Black و FastAPI و PostgreSQL استفاده می‌کنید، Hermes می‌تواند این اطلاعات را در نشست‌های بعدی در اختیار داشته باشد. در نتیجه، هنگام اضافه کردن یک Endpoint جدید لازم نیست هر بار ساختار پروژه و ابزارهای آن را از ابتدا توضیح دهید.

البته حافظه بیشتر همیشه بهتر نیست. اطلاعات ذخیره‌شده وارد کانتکست مدل می‌شوند و می‌توانند روی تعداد توکن‌های ورودی و هزینه استفاده از مدل اثر بگذارند. به همین دلیل، حافظه Hermes باید شامل اطلاعاتی باشد که واقعا در ادامه کار استفاده می‌شوند.

Hermes Agent چگونه وظایف چندمرحله ای را اجرا می کند؟

Hermes Agent پیش از شروع کار، درخواست را بررسی و آن را به مراحل قابل اجرا تقسیم می‌کند. اگر انجام یک وظیفه به چند ابزار یا چند مرحله وابسته باشد، عامل می‌تواند مراحل را به ترتیب پیش ببرد و نتیجه هر بخش را در مرحله بعد استفاده کند. در این ساختار، لازم نیست کاربر برای ادامه هر مرحله یک پرامپت جداگانه ارسال کند.

برای مثال، اگر از Hermes بخواهید قیمت محصولات چند رقیب را بررسی و مقایسه کند، جریان کار می‌تواند شامل این مراحل باشد:

1. جست‌وجوی جدیدترین قیمت‌ها در وب
2. بررسی صفحه محصولات مرتبط
3. استخراج قیمت و اطلاعات مورد نیاز
4. مرتب کردن داده‌ها در یک جدول مقایسه‌ای
5. تهیه خلاصه‌ای از تفاوت‌ها و تغییرات قیمت

Hermes هنگام اجرای این مراحل می‌تواند تشخیص دهد چه زمانی به ابزار خارجی نیاز دارد، چه زمانی اطلاعات بیشتری از کاربر بخواهد و چه زمانی مستقیما به مرحله بعد برود. اگر عامل روی یک سرور همیشه روشن مانند VPS لیارا اجرا شود، وظایف طولانی یا زمان‌بندی‌شده نیز به روشن بودن کامپیوتر شخصی وابسته نخواهند بود.

برای کارهای بزرگ‌تر، Hermes می‌تواند بخشی از وظایف را به چند زیرعامل (Subagent) واگذار کند. در این حالت، هر زیرعامل بخش مشخصی از کار را انجام می‌دهد و عامل اصلی در پایان نتایج را جمع‌آوری و ترکیب می‌کند.

مهارت های قابل استفاده مجدد در Hermes Agent

Hermes Agent می‌تواند بعضی از فرایندهای تکراری را به مهارت قابل استفاده مجدد (Reusable Skill) تبدیل کند. اگر یک وظیفه با مراحل مشخص چند بار انجام شود، عامل می‌تواند همان ساختار را ذخیره کند و در درخواست‌های مشابه دوباره از آن استفاده کند. در نتیجه، لازم نیست هر بار تمام مراحل کار از ابتدا تعریف شوند.

برای مثال، اگر به طور مرتب از Hermes بخواهید براساس کامیت‌های Git یادداشت انتشار (Release Notes) آماده کند، می‌توان این فرایند را به یک Skill تبدیل کرد. در نسخه‌های بعدی نرم‌افزار، Hermes همان مراحل قبلی را روی کامیت‌های جدید اجرا می‌کند و خروجی را براساس روندی که از قبل تعریف شده است می‌سازد.

این قابلیت بیشتر در فرایندهایی کاربرد دارد که ساختار ثابتی دارند؛ مثل آماده‌سازی گزارش، انتشار نسخه جدید، بررسی وضعیت سرویس‌ها یا اجرای یک روال مشخص برای عیب‌یابی. به این ترتیب، Hermes به جای تحلیل دوباره یک کار تکراری، از فرایندی استفاده می‌کند که قبلا برای همان نوع وظیفه ساخته شده است.

زیرعامل ها در Hermes Agent چه کاری انجام می دهند؟

همه وظایف لازم نیست به صورت خطی توسط یک عامل انجام شوند. Hermes می‌تواند برای کارهایی که چند بخش مستقل دارند، چند زیرعامل (Subagent) ایجاد کند و آن‌ها را به صورت موازی اجرا کند. هر زیرعامل کانتکست و نشست ترمینال مستقل خود را دارد و بخش مشخصی از کار را جداگانه انجام می‌دهد.

این ساختار تا حدی شبیه عامل‌های پس‌زمینه Cursor است؛ چند عامل می‌توانند هم‌زمان بخش‌های مختلف یک کار را پیش ببرند، به جای اینکه همه مراحل در یک مسیر واحد اجرا شوند.

برای مثال، در تهیه یک گزارش بازار می‌توان کار را به این شکل تقسیم کرد:

• یک زیرعامل اطلاعات رقبا را جمع‌آوری کند.
• زیرعامل دوم قیمت‌ها را بررسی کند.
• زیرعامل سوم نظرات کاربران را تحلیل کند.

پس از پایان کار، هر زیرعامل خلاصه نتیجه خود را به عامل اصلی برمی‌گرداند و عامل اصلی این خروجی‌ها را برای تهیه نتیجه نهایی کنار هم قرار می‌دهد. در وظایفی که چند بخش مستقل دارند، اجرای موازی زیرعامل‌ها می‌تواند زمان کلی انجام کار را کاهش دهد.

در مقاله GitHub Copilot در برابر Cursor می‌توانید این دو ابزار کدنویسی هوش مصنوعی را از نظر قابلیت‌ها و کاربردها مقایسه کنید.
GitHub Copilot در برابر Cursor

Hermes Agent به چه ابزارهایی متصل می شود؟

Hermes فقط از اطلاعات مدل زبانی استفاده نمی‌کند و می‌تواند برای انجام وظایف به ابزارهای خارجی دسترسی داشته باشد. جست‌وجوی وب، کنترل مرورگر، اجرای کد، کار با فایل‌ها و اتصال به سرویس‌های دیگر از طریق MCP از جمله قابلیت‌هایی هستند که دامنه کاری عامل را گسترش می‌دهند.

برای مثال، می‌توان Hermes را برای بررسی دوره‌ای قیمت GPU تنظیم کرد. عامل در زمان مشخص قیمت‌ها را جمع‌آوری می‌کند، تغییرات را با داده‌های قبلی مقایسه می‌کند و نتیجه را در قالب گزارش یا پیام ارسال می‌کند.

اگر Hermes Agent روی یک VPS یا سرور ابری لیارا اجرا شود، این فرایندها به روشن بودن سیستم شخصی وابسته نیستند. فایل‌ها، اسکریپت‌ها و ابزارهای مورد نیاز روی همان سرور قرار می‌گیرند و عامل می‌تواند وظایف زمان‌بندی‌شده یا طولانی‌مدت را از آنجا اجرا کند.

Hermes Agent چگونه از کارهای قبلی یاد می گیرد؟

پس از پایان هر وظیفه، Hermes می‌تواند اطلاعاتی را که در ادامه کار مفید هستند در حافظه نگه دارد و در صورت نیاز، فرایندهای تکرارشونده را به مهارت قابل استفاده مجدد (Reusable Skill) تبدیل کند. به این ترتیب، در درخواست‌های بعدی بخشی از اطلاعات و تجربه اجرای قبلی دوباره در دسترس عامل قرار می‌گیرد و نیازی نیست هر بار جریان کاری از ابتدا تعریف شود.

پس از ثبت حافظه یا Skill جدید، Hermes می‌تواند منتظر دستور بعدی یا اجرای یک وظیفه زمان‌بندی‌شده بماند. این چرخه باعث می‌شود حافظه و مهارت‌های عامل به مرور و براساس کارهایی که انجام می‌دهد شکل بگیرند.

دستور /journey نیز برای مشاهده این روند در نظر گرفته شده است. این دستور حافظه‌ها و مهارت‌های ایجادشده را در قالب یک خط زمانی (Timeline) همراه با ارتباط میان آن‌ها نمایش می‌دهد تا بتوانید ببینید دانش Hermes در نشست‌های مختلف چگونه تغییر کرده است.

عامل هوش مصنوعی خود را روی زیرساخت لیارا اجرا و به مدل‌های مورد نیاز متصل کنید.
شروع کار با سرویس هوش مصنوعی لیارا

کاربردهای Hermes Agent

Hermes Agent زمانی کاربرد دارد که یک وظیفه به حافظه، ابزارهای خارجی یا اجرای مداوم نیاز داشته باشد. از توسعه نرم‌افزار و تحقیق گرفته تا اجرای کارهای زمان‌بندی‌شده، این عامل می‌تواند بخشی از فرایند را بدون نیاز به هدایت مرحله‌به‌مرحله انجام دهد.

استفاده از Hermes Agent در برنامه‌نویسی

Hermes Agent می‌تواند در نوشتن و بررسی کد، عیب‌یابی و کار با فایل‌های مختلف یک پروژه کمک کند. در پروژه‌های طولانی نیز می‌تواند کانتکست پروژه و فرایندهای تکراری را بین نشست‌ها نگه دارد و در ادامه کار دوباره از آن‌ها استفاده کند.

در یک نمونه که Daily Dose of Data Science بررسی کرده است، چند عامل Hermes به صورت ایزوله برای وظایفی مانند برنامه‌نویسی، تحقیق و طراحی اجرا شدند و هر عامل حافظه و Skillهای مستقل خود را داشت. همچنین می‌توان فرایندی مثل عیب‌یابی یک Pod در Kubernetes را به یک Skill تبدیل کرد تا مراحل بررسی لاگ‌ها، شناسایی خطا و تایید رفع مشکل در دفعات بعد دوباره استفاده شوند.

استفاده از Hermes Agent در برنامه نویسی

Hermes Agent می‌تواند در نوشتن و بررسی کد، عیب‌یابی و کار با فایل‌های مختلف یک پروژه کمک کند. مزیت آن در پروژه‌های طولانی این است که می‌تواند بخشی از کانتکست پروژه و مراحل تکراری را نگه دارد و در نشست‌های بعدی دوباره از آن‌ها استفاده کند.

برای مثال، می‌توان فرایند عیب‌یابی یک Pod در Kubernetes را به یک Skill تبدیل کرد؛ از بررسی لاگ‌ها و وضعیت Pod گرفته تا شناسایی خطا و تایید رفع مشکل. در اجرای بعدی، Hermes همان مراحل را روی مشکل جدید اعمال می‌کند.

تحقیق و مدیریت دانش

Hermes می‌تواند اطلاعات را از چند منبع جمع‌آوری، دسته‌بندی و خلاصه کند و نتیجه را در ابزارهایی مانند Notion , Obsidian یا فایل‌های Markdown ذخیره کند. این قابلیت برای تحقیقاتی که در چند مرحله انجام می‌شوند یا باید به صورت دوره‌ای به‌روزرسانی شوند، مناسب است.

یکی از کاربران Reddit توضیح می‌دهد که چگونه از Hermes Agent در کنار Claude Code به عنوان یک دستیار تحقیقاتی همیشه فعال استفاده می‌کند. Hermes به ابزارهایی مانند Google Calendar، Gmail، Obsidian، Todoist، Telegram و iMessage متصل می‌ماند و در پس‌زمینه جریان‌های کاری را هماهنگ و اطلاعات را به‌روزرسانی می‌کند، در حالی که Claude Code وظایف مربوط به توسعه نرم‌افزار را انجام می‌دهد.

خودکارسازی کارهای تکراری

Hermes Agent می‌تواند فرایندهای تکرارشونده را از طریق وظایف زمان‌بندی‌شده و ابزارهای متصل اجرا کند. این جریان‌های کاری می‌توانند شامل پردازش صندوق ورودی ایمیل، تولید گزارش یا به‌روزرسانی فایل‌های صفحه گسترده و پایگاه‌های داده باشند.

برای نمونه، می‌توانید Hermes Agent را روی سرور ابری لیارا اجرا و آن را به Telegram متصل کنید. در یک سناریوی کاربردی، می‌توان یک سیستم پیگیری موجودی مواد غذایی ساخت که هر روز صبح با استفاده از Cron Job سطح موجودی را بررسی کند. اگر موجودی یک مورد کم شده باشد، Hermes از طریق Telegram به شما پیام می‌دهد تا مشخص شود آیا زمان سفارش مجدد از طریق یک سرویس تحویل متصل فرا رسیده است یا خیر.

استفاده از Hermes Agent به عنوان دستیار شخصی

Hermes می‌تواند به تقویم، پیام‌رسان‌ها و ابزارهای مدیریت کار متصل شود و بخشی از کارهای روزانه را هماهنگ کند. ایجاد یادآور، بررسی وظایف عقب‌افتاده، جمع‌آوری اطلاعات یا اجرای کارهای زمان‌بندی‌شده از جمله سناریوهای قابل اجرا هستند.

تفاوت اصلی با یک دستیار مبتنی بر چت این است که Hermes می‌تواند بعضی وظایف را در زمان مشخص و بدون شروع دوباره گفت‌وگو اجرا کند.

کاربرد Hermes Agent در کسب و کار

در محیط‌های سازمانی می‌توان Hermes Agent را به مستندات داخلی، دیتابیس‌ها، ابزارهای عملیاتی و سرویس‌های تیم متصل کرد. عامل می‌تواند اطلاعات مورد نیاز را بازیابی کند یا بخشی از فرایندهای تکراری را براساس دستور و سطح دسترسی تعریف‌شده انجام دهد.

برای مثال، بررسی اسناد، آماده‌سازی گزارش‌های دوره‌ای، دسته‌بندی درخواست‌ها یا استخراج اطلاعات از چند منبع می‌توانند به یک جریان کاری قابل تکرار تبدیل شوند.

Hermes Agent را روی زیرساخت ابری لیارا اجرا کنید و با سرویس هوش مصنوعی لیارا به مدل‌های مورد نیازتان متصل شوید.
شروع کار با سرویس هوش مصنوعی لیارا

چگونه Hermes Agent را روی لیارا اجرا کنیم؟

خودمیزبانی Hermes Agent به شما اجازه می‌دهد محل اجرای عامل، فایل‌ها، تنظیمات و سرویس‌هایی را که به آن متصل می‌شوند مدیریت کنید. برای وظایف زمان‌بندی‌شده یا جریان‌های کاری طولانی نیز بهتر است عامل روی یک محیط همیشه در دسترس اجرا شود، نه روی کامپیوتر شخصی. مستندات Hermes اجرای عامل روی VPS را به صورت مستقیم پشتیبانی می‌کنند.

نصب Hermes Agent روی سرور مجازی ابری لیارا

برای اجرای Hermes Agent می‌توانید یک سرور مجازی ابری (VPS) لیارا با سیستم‌عامل لینوکس ایجاد کنید. VPS لیارا یک محیط ایزوله با دسترسی به سیستم‌عامل در اختیار شما قرار می‌دهد و برای اجرای اسکریپت‌ها و سرویس‌هایی که به تنظیمات اختصاصی نیاز دارند مناسب است.

بعد از ساخت سرور، Hermes Agent را با روش نصب رسمی پروژه راه‌اندازی کنید. نصب‌کننده رسمی Hermes پیش‌نیازهایی مانند Python , Node.js و سایر وابستگی‌ها را نصب و محیط اجرای عامل را آماده می‌کند. پس از نصب نیز می‌توانید مدل هوش مصنوعی، API Key و ابزارهای مورد نیاز عامل را پیکربندی کنید.

اجرای Hermes روی VPS زمانی مناسب است که بخواهید روی نسخه نرم‌افزارها، فایل‌ها، فضای ذخیره‌سازی و تنظیمات سیستم کنترل داشته باشید یا عامل را در کنار سرویس‌های دیگری روی همان سرور اجرا کنید. منابع سرور مجازی ابری لیارا نیز متناسب با نیاز پروژه قابل انتخاب و تغییر هستند.

بهترین روش های استفاده از Hermes Agent

Hermes Agent می‌تواند به فایل‌ها، ابزارهای خارجی، APIها و سرویس‌های مختلف دسترسی داشته باشد و بعضی وظایف را بدون دخالت مستقیم کاربر اجرا کند. به همین دلیل، علاوه بر تنظیم جریان کاری باید نحوه استفاده از مدل‌ها، سطح دسترسی، حافظه و عملکرد زیرعامل‌ها را نیز مدیریت کنید.

مدیریت مدل ها و زیرعامل ها در Hermes Agent

انتخاب مدل مناسب و کنترل تعداد زیرعامل‌های هم‌زمان، مستقیما روی هزینه، سرعت اجرا و مصرف منابع سرور اثر می‌گذارد. برای هر وظیفه لازم نیست از همان مدل اصلی استفاده کنید و بهتر است اجرای موازی زیرعامل‌ها نیز متناسب با ظرفیت VPS تنظیم شود.

روش پیشنهادی	توضیح	مثال
برای هر وظیفه مدل مناسب انتخاب کنید	زیرعامل‌ها همیشه به همان مدل مورد استفاده عامل اصلی نیاز ندارند. کارهایی مانند خلاصه‌سازی، تحقیق یا تولید عنوان را می‌توان با مدل دیگری انجام داد تا هزینه و مصرف منابع بهتر کنترل شود.	یک مدل قوی‌تر را برای عامل اصلی و مدل سبک‌تر را برای تحقیق یا خلاصه‌سازی زیرعامل‌ها در نظر بگیرید.
کارهای تکراری را به Skill تبدیل کنید	اگر یک جریان کاری مراحل مشخصی دارد و مرتب تکرار می‌شود، می‌توان آن را به مهارت قابل استفاده مجدد (Reusable Skill) تبدیل کرد.	فرایند عیب‌یابی Kubernetes یا مراحل انتشار نسخه جدید نرم‌افزار را به یک Skill تبدیل کنید.
تعداد زیرعامل‌های هم‌زمان را محدود کنید	اجرای تعداد زیادی Subagent می‌تواند مصرف CPU و RAM را افزایش دهد و باعث رسیدن به محدودیت نرخ درخواست (Rate Limit) سرویس مدل شود.	روی یک VPS لیارا ابتدا تعداد کمی زیرعامل هم‌زمان اجرا کنید و پس از بررسی مصرف منابع، تعداد آن‌ها را افزایش دهید.

امنیت، حافظه و بازیابی در Hermes Agent

Hermes می‌تواند فایل‌ها را تغییر دهد و اطلاعاتی را برای نشست‌های بعدی در حافظه نگه دارد. بنابراین بهتر است پیش از استفاده مداوم از Skillها، نحوه بازیابی تغییرات، اطلاعات ذخیره‌شده و سطح دسترسی عامل را بررسی کنید.

روش پیشنهادی	توضیح	مثال
پیش از تغییر فایل‌ها Checkpoint ایجاد کنید	Hermes ممکن است هنگام اجرای خودکار چند فایل را هم‌زمان تغییر دهد. نقاط بازیابی (Checkpoints) امکان بازگرداندن پروژه به وضعیت قبلی را در صورت ایجاد خطا فراهم می‌کنند.	پیش از Refactor کردن بخش بزرگی از پروژه، Checkpoint ایجاد کنید و سپس تغییرات را اجرا کنید.
Skillها را پیش از استفاده مجدد بررسی کنید	مهارتی که عامل ایجاد می‌کند ممکن است برای همه محیط‌ها یا شرایط مناسب نباشد. بهتر است مراحل و خروجی آن پیش از استفاده مداوم بررسی شوند.	یک Skill مربوط به Deployment را ابتدا در محیط Staging اجرا کنید و پس از بررسی نتیجه به Production منتقل کنید.
حافظه Hermes را به‌روز نگه دارید	اطلاعات قدیمی می‌توانند کانتکست را شلوغ کنند یا باعث شوند عامل از تنظیمات منسوخ استفاده کند.	اگر Endpoint یک API تغییر کرده است، مقدار قبلی را در MEMORY.md با آدرس جدید جایگزین کنید.

کلیدهای API و اطلاعات ورود را داخل کد یا فایل‌های عمومی قرار ندهید و برای Hermes فقط دسترسی‌هایی را فعال کنید که برای همان وظیفه لازم است. اگر عامل روی سرور ابری لیارا اجرا می‌شود، مصرف CPU و RAM و تعداد درخواست‌های مدل را نیز بررسی کنید تا اجرای چند وظیفه یا Subagent به صورت هم‌زمان، منابع سرور را بیش از حد درگیر نکند.

محدودیت های Hermes Agent

Hermes Agent نسبت به ابزارهای آماده مبتنی بر چت، کنترل بیشتری روی اجرا و اتصال به ابزارها می‌دهد؛ در مقابل، بخشی از راه‌اندازی، مدیریت زیرساخت و امنیت آن بر عهده شماست. پیش از استفاده از Hermes در پروژه‌های واقعی، محدودیت‌های زیر را در نظر بگیرید.

محدودیت های راه اندازی و زیرساخت

• راه‌اندازی به پیکربندی نیاز دارد: نصب Hermes به تنهایی کافی نیست. مدل هوش مصنوعی، API Keyها، MCP Serverها، مرورگر و سرویس‌های خارجی باید متناسب با جریان کاری تنظیم شوند.
• مدیریت سرور بر عهده شماست: در استقرار خودمیزبان (Self-Hosted)، باید وضعیت سرور، فضای ذخیره‌سازی، نسخه نرم‌افزارها و مصرف CPU و RAM را مدیریت کنید. اجرای وظایف طولانی یا چند Subagent به صورت هم‌زمان نیز منابع بیشتری مصرف می‌کند.
• تجربه اجرا در سیستم‌عامل‌ها یکسان نیست: Hermes روی Linux، macOS و Windows اجرا می‌شود، اما برخی ابزارها و اسکریپت‌های توسعه روی Linux یا WSL2 سازگاری بهتری دارند. تفاوت مسیر فایل‌ها و سطح دسترسی‌ها نیز ممکن است هنگام جابه‌جایی بین Windows و Linux دردسرساز شود.

اگر Hermes Agent را روی VPS لیارا اجرا می‌کنید، منابع سرور را براساس تعداد وظایف هم‌زمان و زیرعامل‌ها انتخاب کنید. بهتر است کار را با منابع متناسب با نیاز فعلی شروع کنید و پس از بررسی مصرف واقعی CPU و RAM، در صورت نیاز ظرفیت سرور را افزایش دهید.

نگهداری و امنیت

• Skillها به بررسی نیاز دارند: اگر Hermes یک فرایند اشتباه یا ناکارامد را به Skill تبدیل کند، همان روند ممکن است در اجراهای بعدی نیز تکرار شود. مهارت‌های مهم را پیش از استفاده مداوم بررسی و آزمایش کنید.
• جریان‌های کاری به نگهداری نیاز دارند: تغییر نسخه Hermes، مدل هوش مصنوعی، MCP Server یا API سرویس‌های خارجی می‌تواند روی Automationهای موجود اثر بگذارد. تغییرات را پیش از اعمال در محیط Production در یک محیط آزمایشی بررسی کنید.
• دسترسی عامل باید محدود باشد: Hermes می‌تواند دستور اجرا کند، فایل‌ها را تغییر دهد و به سرویس‌های خارجی درخواست بفرستد. API Keyها و اطلاعات ورود را خارج از کد نگه دارید و برای هر ابزار فقط مجوزهایی را در اختیار عامل قرار دهید که برای انجام همان وظیفه لازم هستند.

سوالات متداول

Hermes Agent چیست؟

Hermes Agent یک عامل هوش مصنوعی متن‌باز (Open Source AI Agent) از Nous Research است که برای اجرای وظایف چندمرحله‌ای و مداوم ساخته شده است. این عامل می‌تواند اطلاعات مورد نیاز را بین نشست‌ها نگه دارد، از ابزارهای خارجی استفاده کند و از طریق MCP به سرویس‌های مختلف متصل شود. پشتیبانی از وظایف زمان‌بندی‌شده، کار با مرورگر و مهارت‌های قابل استفاده مجدد نیز بخشی از ساختار Hermes Agent است.

Hermes Agent چه کاربردهایی دارد؟

Hermes Agent بیشتر برای کارهایی مناسب است که فقط با یک پاسخ متنی تمام نمی‌شوند؛ مثل توسعه و بررسی کد، تحقیق، جمع‌آوری اطلاعات، تهیه گزارش و اجرای خودکار کارهای تکراری. امکان اتصال به ابزارهای مختلف نیز باعث می‌شود بتوان از آن برای جریان‌های کاری شخصی یا فرایندهای داخلی تیم‌ها استفاده کرد.

برای اجرای مداوم این وظایف می‌توانید Hermes Agent را روی سرور ابری لیارا مستقر کنید. در این حالت، عامل مستقل از کامپیوتر شخصی شما اجرا می‌شود و در صورت نیاز می‌تواند با سرویس‌هایی مانند دیتابیس، فضای ذخیره‌سازی و مدل‌های هوش مصنوعی مورد استفاده پروژه در ارتباط باشد.

آیا Hermes Agent امن است؟

Hermes Agent قابلیت‌هایی مانند فهرست کاربران مجاز (User Allowlists)، تایید اجرای دستورات (Command Approval) و اجرای ایزوله را برای کنترل دسترسی‌ها در اختیار شما قرار می‌دهد. با این حال، چون این عامل می‌تواند دستور اجرا کند، فایل‌ها را تغییر دهد و به سرویس‌های خارجی متصل شود، امنیت آن تا حد زیادی به نحوه استقرار و سطح دسترسی‌هایی بستگی دارد که برایش تعریف می‌کنید.

بهتر است Hermes فقط به فایل‌ها، APIها و سرویس‌هایی دسترسی داشته باشد که برای انجام وظیفه به آن‌ها نیاز دارد. نگهداری امن API Keyها، محدود کردن مجوزها و اجرای عامل روی یک VPS مستقل لیارا نیز کمک می‌کند محیط اجرای Hermes از سایر سرویس‌های پروژه جدا بماند.

هزینه Hermes Agent چقدر است؟

خود Hermes Agent رایگان و متن‌باز (Open Source) است و تحت مجوز MIT منتشر می‌شود؛ بنابراین برای نصب یا استفاده از نرم‌افزار هزینه مجوز پرداخت نمی‌کنید.

هزینه اجرای Hermes به زیرساخت و سرویس‌هایی بستگی دارد که در کنار آن استفاده می‌کنید. اگر عامل را روی VPS لیارا اجرا کنید، هزینه سرور براساس منابع انتخابی محاسبه می‌شود. استفاده از مدل‌های هوش مصنوعی، APIهای خارجی یا سایر سرویس‌های متصل نیز می‌تواند هزینه جداگانه داشته باشد.

Hermes Agent بهتر است یا OpenClaw؟

انتخاب بین Hermes Agent و OpenClaw به نوع کاری که می‌خواهید انجام دهید بستگی دارد. Hermes Agent بیشتر برای جریان‌های کاری طولانی، حافظه پایدار (Persistent Memory)، مهارت‌های قابل استفاده مجدد و اجرای وظایف چندمرحله‌ای طراحی شده است. OpenClaw در مقابل، تمرکز بیشتری روی تعامل عامل با ابزارها، پیام‌رسان‌ها، مرورگر و محیط کامپیوتر دارد.

اگر هدف شما ساخت عاملی است که از فرایندهای قبلی استفاده کند و کارهای تکراری را با ساختار مشخص ادامه دهد، Hermes Agent گزینه مناسب‌تری است. برای سناریوهایی که دسترسی گسترده به ابزارهای روزمره و اجرای مستقیم وظایف در محیط کار اهمیت بیشتری دارد، OpenClaw می‌تواند انتخاب بهتری باشد.

آیا می‌توان Hermes Agent را روی لیارا خودمیزبانی کرد؟

بله. می‌توانید Hermes Agent را روی VPS یا سرور ابری لیارا نصب کنید و آن را به صورت خودمیزبان (Self-Hosted) اجرا کنید. در این حالت، عامل روی یک سرور همیشه روشن قرار می‌گیرد و اجرای وظایف آن به روشن بودن لپ‌تاپ یا کامپیوتر شخصی وابسته نیست.

پس از نصب نیز می‌توانید مدل هوش مصنوعی، API Keyها، ابزارهای خارجی و اتصال‌هایی مانند MCP یا پیام‌رسان‌ها را براساس نیاز پروژه تنظیم کنید. برای استفاده از مدل‌های هوش مصنوعی نیز می‌توان Hermes را از طریق API سازگار با OpenAI به سرویس هوش مصنوعی لیارا متصل کرد.

چگونه Hermes Agent را به دیتابیس خصوصی متصل کنیم؟

برای اتصال Hermes Agent به دیتابیس، نیازی نیست دسترسی دیتابیس را روی اینترنت عمومی باز کنید. اگر عامل و دیتابیس روی زیرساخت لیارا قرار دارند، می‌توانید ارتباط بین آن‌ها را از طریق شبکه خصوصی (Private Network) برقرار کنید تا درخواست‌ها در مسیر داخلی شبکه منتقل شوند.

در کنار شبکه خصوصی، اطلاعات اتصال مانند نام کاربری، رمز عبور و کلیدهای دسترسی را خارج از کد و در متغیرهای محیطی نگه دارید. همچنین برای Hermes فقط مجوزهایی را تعریف کنید که برای خواندن یا تغییر داده‌های مورد نیاز همان جریان کاری لازم است. به این ترتیب، دیتابیس بدون دسترسی عمومی در اختیار عامل قرار می‌گیرد و سطح دسترسی Hermes نیز محدود باقی می‌ماند.